chapter
DESCRIPTION
5. CHAPTER. 語意變數與模糊 若 — 則規則. 定義 5.1. 如果一個變數能以自然語言的文字來代替它的值,它被稱為語意變數 (linguistic variable) ,其中這個文字在論域中能被模糊集合歸納定義。. 範例 5.1. - PowerPoint PPT PresentationTRANSCRIPT
1
5
語意變數與模糊若—則規則
2
定義 5.1
• 如果一個變數能以自然語言的文字來代替它的值,它被稱為語意變數 (linguistic variable) ,其中這個文字在論域中能被模糊集合歸納定義。
3
範例 5.1
車速是變數 x 在區間 [0,Vmax] 上取值,其中 Vmax
是車速的最大值。我們現在要定義如圖 5.1 所示在 [0,Vmax] 上三個模糊集合「慢」、「中」,與「快」。如果我們視 x 為語意變數,則它以「慢」、「中」,與「快」來代表它的值。也就是我們稱「 x 是慢」、「 x 是中」與「 x是快」。當然, x 也可以在區間 [0,Vmax] 上取它的值,例如, x= 時速 50 哩、 35 哩等等。
4
定義 5.2
• 一個語意變數 (linguistic variable) 被 (X,T,U,M)特性化,其中:– X 是語意變數的名稱;在範例 5.1 中 X 是車速。– T 是 X 能代表的語意值的集合;在範例 5.1 中, T={慢,中,快}。
– U 是實際物理範圍,而其語意變數代表它的量(明確)值;在範例 5.1 中, U=[0, Vmax] 。
– M 是一個語意的規則關連在 T 上的每一個語意值且具有 U 上的模糊集合;在範例 5.1 中, M 關連「慢」、「中」與「快」,且具有如圖 5.1 所示的歸屬函數。
5
5.1 從數字變數到語意變數
1
0 35 55 75maxV
(車速 每小時英哩數 )
慢 中 快
5.1 車速為語意變數能在模糊集合中取「快」、「中」與「慢」當成它的值。
6
5.1 從數字變數到語意變數
5.2 從數值變數到語意變數
7
5.2 語意藩籬 • 一般而言,一個語意變數的值是一個合成
項 x=x1x2…xn是一連串的最小項 x1, x2,…, xn。這些最小項 (atomic term) 可歸納為三組:– 主要項,而其是模糊集合的標籤;在範例 5.1中,它們是「慢」、「中」與「快」。
– 補數「非」與連接詞「與」以及「或」。– 藩籬,例如「非常」、「輕微」、「恰好」等等。
8
定義 5.3
• 令 A 是在 U 上的模糊集合,則非常 A 被定義為在 U 上的模糊集合,其歸屬函數為
(5.1)
以及恰好 A 是在 U 上的模糊集合,其歸屬函數為
(5.2)
2( ) [ ( )]A Ax x 非常
1/ 2( ) [ ( )]A Ax x 恰好
9
範例 5.2
• 令 U={1, 2, …, 5} 以及模糊集合小被定義為(5.3)
則根據 (5.1) 與 (5.2) 式,我們得到(5.4)
(5.5)
(5.6)
1/1 0.8 / 2 0.6 / 3 0.4 / 4 0.2 /5 小
1/1 0.64 / 2 0.36 / 3 0.16 / 4 0.04 /5 非常小( )
1/1 0.4096 / 2 0.1296 / 3 0.0256 / 4 0.0016 /5
非常非常小 非常 非常小
1/1 0.8944 / 2 0.7746 / 3 0.6325/ 4
0.4472 /5
恰好為小
10
5.3 模糊若—則規則 • 在第 1 章中我們提到在模糊系統與控制中,人類知識是以模糊若—則規則來表示。一個模糊若—則規則 (fuzzy IF-THEN rule) 是附有條件的陳述,且表示為
若 < 模糊命題 > ,則 < 模糊命題 > (5.7)
11
5.3 模糊若—則規則• 5.3.1 模糊命題
– 模糊命題有二種類型:極小模糊陳述與混合模糊陳述。一個極小模糊命題 (atomic fuzzy proposition) 是一個單個陳述
x 是 A (5.8)
其中 x 是語意變數,以及 A 是 x 的語意值(也就是 A 是一個模糊集合定義在 x 的物理範圍上)。
12
5.3 模糊若—則規則x 是 S (5.9)
x 是 M (5.10)
x 是 F (5.11)
x 是 S 或 x 不是 M (5.12)
x 不是 S 與 x 不是 F (5.13)
( x 不是 S 與 x 不是 F )或 x 是 M (5.14)
13
5.3 模糊若—則規則• 混合模糊命題必須如模糊關係般能夠被瞭解。如何決定這些模糊關係的歸屬函數呢?– 對連接詞「與」使用模糊交集:特別是令 x 與 y 分別是在物理範圍 U 與 V 上的語意變數,以及 A 與 B 分別是U 與 V 上的模糊集合,則混合模糊命題是
x 是 A 與 y 是 B (5.15)
被解釋為在 U×V 上的模糊關係 A∩B ,而其歸屬函數為
(5.16)
其中 t:[0,1]×[0,1]→[0,1] 是任意 t- 基準。
( , ) [ ( ) , ( )]A B A Bx y t x y
14
5.3 模糊若—則規則– 對連接詞「或」使用模糊聯集:特別是混合模糊命題
x 是 A 或 y 是 B (5.17)
被解釋為在 U×V 上的模糊關係 A∪B ,而其歸屬
函數為(5.18)
其中 s:[0,1]×[0,1]→[0,1] 是任意 s- 基準。– 對連接詞「非」使用模糊補集:也就是以 取代非 A ,而其是根據第 3 章的補數運算子定義。
A
( , ) [ ( ) , ( )]A B A Bx y s x y
15
範例 5.3
模糊命題 (FP) (5.14) 式,也就是(5.19)
是在乘積空間 [0, Vmax]3上的模糊關係,而其歸屬函數
(5.20)
其中 s, t 與 c 分別是 s- 基準、 t- 基準與模糊補數運算子,模糊集合 s= 小、 M= 中與 F=快定義於圖 5.1 ,並且 x1=x2=x3=x 。
( )FP x S x F x M 是 與 不是 或 是
1 2 3 1 2 3( , , ) { [ ( ) , ( ( ))] , ( )}FP S F Mx x x s t x c x x
16
5.3 模糊若—則規則• 5.3.2 模糊若—則規則的解釋
– 從表 5.1 我們看到如果 p 與 q 二者皆為真或假時,則p→q 為真;如果 p 為真與 q 為假時,則 p→q 為假;並且如果 p 為假與 q 為真時,則 p→q 為真。因此, p→q等效於
(5.21)
與(5.22)
就某方面來說,它們共同相同的真值表(表 5.1 )為p→q ,其中 、 與 分別代表(古典的)邏輯運算「非」、「或」以及「與」。
p q
( )p q p
17
5.3 模糊若—則規則
p q p→q
T T T
T F F
F T T
F F T
5.1 針對 p→q 的真值表
18
5.3 模糊若—則規則• Dienes-Rescher 蘊涵:如果我們以基本模糊補集 (3.1) 以及基本模糊聯集 (3.2) 分別取代 (5.21) 式的邏輯運算子 以及 ,則我們得到稱為 Dienes-Rescher 蘊涵。特別地,模糊若—則規則若 <FP1> 則 <FP2> 被解釋為在 U×V 上的模糊關係 QD,而其歸屬函數為
(5.23)1 2
( , ) max[1 ( ) , ( )]DQ FP FPx y x y
19
5.3 模糊若—則規則• Lukasiewecz 蘊涵:如果我們使用 (3.10) 式的 Yager s- 基準,對 取 w=1 以及對 (5.21) 式的 取基本模糊補集 (3.1) ,我們得到 Lukasiewicz 蘊涵。特別地,模糊若—則規則若 <FP1> 則 <FP2> 被解釋為在上U×V 的一個模糊關係 QL,而其歸屬函數為
(5.24)1 2( , ) min[1,1 ( ) ( )]
LQ FP FPx y x y
20
5.3 模糊若—則規則• Zadeh 蘊涵:這邊的模糊若—則規則若
<FP1> 則 <FP2> 被解釋為在 U×V 上的模糊關係 QZ,而其歸屬函數為
(5.25)
明顯地,分別對 、 與 藉由使用基本模糊補集 (3.1) 、基本模糊聯集 (3.2) 以及基本模糊交集 (3.3) ,從 (5.22) 可以得到 (5.25) 。
1 2 1( , ) max[min( ( ) , ( )) ,1 ( )]
ZQ FP FP FPx y x y x
21
5.3 模糊若—則規則• Gödel 蘊涵: Gödel 蘊涵在古典邏輯是聞名的蘊涵公式。藉由歸納它到模糊命題,我們得到下列:模糊若—則規則若 <FP1> 則<FP2> 被解釋為在 U×V 的一個模糊關係 QG,而其歸屬函數為
(5.26)1 2
2
1 ( ) ( )( , )
( )G
FP FP
QFP
x yx y
y
若
其它
22
引理 5.1
• 對所有 ,下列為真(5.27)
( , )x y U V
( , ) ( , ) ( , )Z D LQ Q Qx y x y x y
23
5.3 模糊若—則規則(5.28)
(5.29)
(5.30)
1 2FP FP >若 則
1 2FP FP > <若 則 否則 無關
p q p q
24
5.3 模糊若—則規則• Mamdani 蘊涵: (5.28) 的模糊若—則規則被解釋為在 U×V 上的一個模糊關係 QMM 或QMP,而其歸屬函數為
(5.31)
或(5.32)
1 2( , ) min[ ( ) , ( )]
MMQ FP FPx y x y
1 2( , ) ( ) ( )
MPQ FP FPx y x y
25
範例 5.4
令 x1是車速、 x2是加速度以及 y 是用於油門的力量。考慮下列的模糊若—則規則:若 x1是慢的與 x2是小的,則 y 是大的 (5.33)其中「慢的」是定義於圖 5.1 的模糊集合,也就是
(5.34)「小的」是在加速度範圍內的模糊集合,而其歸屬函數為
(5.35)
1
1
551 120
1
1 35
( 35 55
0 55
x
x
x x
x
慢的
若
)= 若若
210210
22
0 10(
0 10
x xx
x
小的
若)=
若
26
範例 5.4
以及「大的」是施加於油門力量範圍內的模糊集合,而其歸屬函數為
(5.36)
令 x1, x2 與 y 的範圍分別是 U1=[0,100], U2 =[0,30] 以及 V=[0,3] 。如果我們使用 (5.16) 式中的 t- 基準的代數乘積,則模糊命題為
FP1=x1是慢的與 x2是小的 (5.37)
0 1
( 1 1 2
1 2
y
y y y
y
大的
若)= 若
若
27
範例 5.4
是一個在 U1×U2上的模糊關係,而其歸屬函數為
(5.38)
圖 5.3 圖解說明如何計算 。
1
2
1 2
1 2 1 2
1 2
101 210
(55 )(10 )1 2200
( , ) ( ) ( )
0 55 10
35 10
35 55 10
FP
x
x x
x x x x
x x
x x
x x
慢的 小的
若 或
= 若 與
若 與
1 1 2( , )FP x x
28
範例 5.4
35 551x
慢的
小的
10
2x 0
x x1 2( ) ( )慢的 小的5.3 圖解說明範例 5.4 如何去計算
29
範例 5.4
如果我們使用 (5.23) 式的 Dienes-Rescher 蘊涵,則 (5.33) 式的模糊若—則規則被解釋為在 U1×U2×V 上的模糊關係 QD(x1,x2,y) ,而其歸屬函數為
(5.39)
從 (5.38) 式我們得到
(5.40)
11 2 1 2( , , ) max[1 ( , ) , ( )]DQ FPx x y x x y 大的
1
1 2
1 2
1 2 2 1 2
(55 )(10 )1 2200
1 55 10
1 ( , ) /10 35 10
1 35 55 10
FP
x x
x x
x x x x x
x x
若 或= 若 與
若 與
30
範例 5.4
為了要幫助我們結合 (5.40) 式的 且具有 (5.36) 式使用 max 運算子的 μ 大的 (y) ,我們以圖 5.4 來圖解說明與的範圍分界與它們的結合。從圖 5.4 ,我們得到
(5.41)
對於 Lukasiewicz, Zadeh 與 Mamdani 蘊涵,我們能使用相同的程序來決定歸屬函數。
1 1 21 ( , )FP x x
1 2
1 2
1 2
1 2
2 1 2
(55 )(10 )1 2200
2 1 2
(55 )(10 )1 2200
( , , )
1 55 10 2
/10 35 10 1
1 35 55 10 1
max[ 1, /10] 35 10 1 2
max[ 1,1 ] 35 55 10 1 2
DQ
x x
x x
x x y
x x y
x x x y
x x y
y x x x y
y x x y
若 或 或若 與 與
若 與 與若 與 與
若 與 與
31
範例 5.4
5.4 範例 5.4 中 與的範圍分界與其合成
1y
2y
1 2y
1y
1
2
5510
xx
或1
2
3510
xx
與1
2
35 5510
xx
與
1 2( , )x x
FP x x1 1 21 ( , ) y( )大的
32
範例 5.4 (續)假設我們使用
(5.42)
來近似 (5.34) 式中的 μ 慢的 (x1) ,
(5.43)
來近似 (5.35) 式中 μ 小的 (x2) ,以及(5.44)
1 455
11
( )1
xxe
慢的
2 52
21
( )1
xxe
小的
2( 1.25)
1( )
1 yy
e
大的
33
範例 5.4 (續)來近似 (5.36) 式中的 μ 大的 (y) 。現在如果我們使用 (5.32) 式中的 Mamdani 乘積蘊涵與 (5.16) 式中對 t- 基準的代數乘積,則歸屬函數 μQMP
(x1,x2,y) 可被簡單計算為
(5.45)1 245 55 2
1 2 1 2
2( 1.5)
( , , ) ( ) ( ) ( )
1
(1 )(1 )(1 )
MP
x x
Q
y
x x y x x y
e e e
慢的 小的 大的
34
範例 5.5
令 U={1,2,3,4} 以及 V={1,2,3} 。假若我們知道 與 成反比。要公式化這個知識,我們可以使用下列的模糊若—則規則:
若 x 是大的,則 y 是小的 (5.46)
其中模糊集合「大的」與「小的」定義為(5.47)
(5.48)
x U y V
0 /1 0.1/ 2 0.5/ 3 1/ 4 大的1/1 0.5/ 2 0.1/ 3 小的
35
範例 5.5
如果我們使用 (5.23) 式中的 Dienes-Rescher 蘊涵,則 (5.46) 式的模糊若—則規則被解釋為下列在 U×V上的模糊關係 QD:
(5.49)
如果我們使用 (5.24) 式的 Lukasiewicz 蘊涵,則規則 (5.46) 變為:
(5.50)
1/(1 ,1) 1/(1 , 2) 1/(1 , 3) 1(2 ,1) 0.9 /(2 , 2)
0.9 /(2 , 3) 1/(3 ,1) 0.5/(3 , 2) 0.5/(3 , 3)
1/(4 ,1) 0.5/(4 , 2) 0.1/(4 , 3)
DQ
1/(1 ,1) 1/(1 , 2) 1/(1 , 3) 1/(2 ,1) 1/(2 , 2)
1/(2 , 3) 1/(3 ,1) 1/(3 , 2) 0.6 /(3 , 3) 1/(4 ,1)
0.5/(4 , 2) 0.1/(4 , 3)
LQ
36
範例 5.5
對於 (5.25) 式的 Zadeh 蘊涵以及 (5.26) 式的 Gödel 蘊涵,我們得到
(5.51)
以及(5.52)
1/(1 ,1) 1/(1 , 2) 1(1 , 3) 0.9 /(2 ,1) 0.9 /(2 , 2)
0.9 /(2 , 3) 0.5 /(3 ,1) 0.5 /(3 , 2) 0.5 /(3 , 3)
1/(4 ,1) 0.5/(4 , 2) 0.1/(4 , 3)
ZQ
1/(1 ,1) 1/(1 , 2) 1/(1 , 3) 1/(2 ,1) 1/(2 , 2)
1/(2 , 3) 1/(3 ,1) 1/(3 , 2) 0.1/(3 , 3) 1/(4 ,1)
0.5/(4 , 2) 0.1/(4 , 3)
GQ
37
範例 5.5
最後,如果我們使用 (5.31) 與 (5.32) 式的Mamdani 蘊涵,則 (5.46) 的模糊若—則規則變成
(5.53)以及
(5.54)
0 /(1 ,1) 0 /(1 , 2) 0 /(1 , 3) 0.1(2 ,1) 0.1/(2 , 2)
0.1/(2 , 3) 0.5/(3 ,1) 0.5/(3 , 2) 0.1/(3 , 3)
1/(4 ,1) 0.5/(4 , 2) 0.1/(4 , 3)
MMQ
0 /(1 ,1) 0 /(1 , 2) 0 /(1 , 3) 0.1/(2 ,1) 0.05/(2 , 2)
0.01/(2 , 3) 0.5/(3 ,1) 0.25/(3 , 2) 0.05/(3 , 3)
1/(4 ,1) 0.5 /(4 , 2) 0.1/(4 , 3)
MPQ
38
5.4 總結與更多的閱讀 • 語意變數的概念與藩籬的特性化。• 模糊命題與模糊若—則規則的概念。• 模糊若—則規則的不同解釋,包含 Dienes-
Rescher, Lukasiewicz, Zadeh, Gödel 以及Mamdani 蘊涵。
• 這些蘊涵的特性與計算。